驾驶疲劳恢复时间的心电信号分析

适当的休息能有效缓解驾驶疲劳,提高行车安全。为探究科学的驾驶休息时间,开展试验,用MP150多通道生理信号采集仪,采集20名驾驶人4 h模拟驾驶作业后休息时的心电(ECG)信号,分析ECG信号的变化规律。结果表明:在驾驶疲劳恢复期,ECG指标心率(HR)、间期标准差(SDNN)、低高频比值(LF/HF)、样本熵(SampEn)与恢复时间高度线性相关,且性别差异对疲劳恢复期ECG指标有显著影响;驾驶人的心理疲劳恢复时间早于生理疲劳恢复时间;驾驶人主观恢复时间相对于客观疲劳恢复时间有提前现象;建议连续驾驶4 h后男性驾驶人休息时间不少于24 min,女性驾驶人休息时间不少于27 min。     

Near-crash事件中驾驶人行为特征分析

为研究不同驾驶人在追尾事故中的驾驶行为特征,用Near-crash事件代替真实碰撞事件,选取一段城市快速道路开展实车试验。首先测试21名驾驶人实驾时的最大减速度、制动至最大减速度时间、平均减速度、碰撞时间倒数(TTCi)4个指标;然后用Mobileye等设备提取数据,得到不同性别、驾驶经验、驾驶风格的驾驶人指标因素;最后对数据进行方差分析。结果表明:Near-crash事件中,女性驾驶人平均减速度、最大减速度大于男性驾驶人,女性驾驶人更倾向于急刹车;经验影响驾驶人的平均减速度、最大减速度;熟练驾驶人制动到最大减速度时间长,制动过程更加平稳;激进型驾驶风格的驾驶人车头时距(THW)小于保守型驾驶人。     

认知分心时驾驶人应激反应特征分析

为预防由认知分心影响驾驶人应激反应能力引发的交通事故,开展试验,在驾驶模拟器平台上模拟城市、乡镇、山区和高速公路等应激场景,测试有无分心任务2种条件下驾驶人的应激反应,采集驾驶人操作数据和车辆行驶数据,并利用Facelab5型眼动仪记录驾驶人眼动数据;选取相关表征指标并分析试验数据。结果表明:相比于正常驾驶,认知分心驾驶导致驾驶人视觉搜索范围变窄;无论正常驾驶还是认知分心驾驶,扫视行为均以中、低幅度为主;认知分心导致驾驶人对加速踏板的控制能力减弱;与正常驾驶相比,认知分心时驾驶人的应激反应时间明显增加。     

城市道路驾驶人横向避险特性研究

为提高城市道路驾驶人横向避险能力,利用固定基座驾驶模拟器搭建5种典型城市道路危险交通场景,并借助眼动仪采集35名驾驶人的眼动数据和避险操作数据;分别统计并分析驾驶人的视线分布、感知-制动时间、持续制动时间、最大方向盘转角时间和车辆横向位置变化等参数。结果表明:5种场景下驾驶人水平视线基本上都处于中部偏右区域;除场景3外,驾驶人的感知-制动时间均值均在1 s内;在视线无遮挡场景,驾驶人主要通过制动进行避险,反之则以转向和制动相结合的方式进行避险。     

汽车驾驶愤怒研究进展

为全面认识驾驶人在愤怒情绪影响下的驾驶特征,回顾、分析了国内外学者在驾驶愤怒与攻击性驾驶的关系、驾驶愤怒影响因素、量表开发与应用及驾驶愤怒相关干预措施的实施等4个方面的研究成果。结果表明:驾驶愤怒的诱发受人口学、心理和环境因素的共同影响,驾驶愤怒在某种程度上会导致攻击性驾驶。驾驶愤怒量表(DAS)、驾驶愤怒表达量表(DAX)和驾驶愤怒倾向量表(PADS)被广泛用于驾驶愤怒的测量,用多种心理训练对驾驶人进行愤怒干预,尽管有一定的效果,但干预对象和方法均较为单一。总体上,众多学者使用相关问卷研究了驾驶人从愤怒情绪的诱发到表达的整个过程,并通过驾驶愤怒预测风险驾驶行为特征,研究内容不断丰富和完善,方法不断创新;对于如何有效减少或避免驾驶愤怒对交通安全的影响,未来应从驾驶人文化背景、交通模式、结合生理和心理特性的干预方法等方面重点考虑。     

女性驾驶人特性与行为机制研究现状及展望

为系统地认识女性驾驶人的驾驶特性,分析其驾驶行为,从女性驾驶人交通事故数据统计、致因和心理、生理、“药驾”等因素,梳理国内外女性驾驶人驾驶特性及行为机制的研究成果,总结主流研究角度、方法和内容,并展望其未来研究趋势。对文献的梳理和分析表明:导致女性驾驶人交通事故的因素主要包括人格、认知等心理特征和视觉能力、应激反应等生理特征,同时“药驾”也影响着驾驶特性与行为。剖析了女性驾驶人特性及行为机制研究目前存在的不足之处,对未来的研究提出了建议。并针对女性驾驶人群体在各种道路交通环境中开展有效的模拟驾驶培训和教育,进而全面提升中国女性驾驶人的交通安全水平。     

草原公路驾驶人腰部疲劳恢复的表面肌电分析

为研究草原公路驾驶人腰部肌肉疲劳恢复特性,在草原公路模拟驾驶环境开展腰部疲劳恢复试验。利用MP150多通道生理测试仪采集驾驶人试验前、驾驶结束时和疲劳恢复阶段的腰部肌电信号,并应用配对样本t检验和独立样本t检验进行统计分析,探讨草原公路驾驶人腰部肌肉疲劳恢复特征。结果表明:在驾驶疲劳恢复期,时域指标平均振幅值(AEMG)、积分肌电值(IEMG)和均方根值(RMS)随恢复时间而增大,频域指标中位频率值(MF)和平均功率频率值(MPF)则随之减小;各指标在疲劳恢复初期恢复较快,当驾驶人疲劳恢复程度达到80%左右时,其在之后同等时间段内肌电各指标的恢复能力趋于平缓;2 h组腰部竖脊肌的表面肌电(sEMG)指标在恢复期第18 min与静测无显著差异,4 h组在恢复期第27 min与静测无显著差异。     

基于非集计理论的驾驶适宜性度量模型

为量化驾驶人的驾驶适宜性,丰富对其的检测理论和方法,应用非集计理论中的多项分对数(MNL)模型构建驾驶适宜性度量模型。模型以驾驶人一定时间内事故发生次数作为选择肢,以个人固有属性、生理心理属性14项指标作为影响因素,并根据200份实际调查数据标定各影响因素参数。另外,选取60份数据验证该模型。结果显示:14项指标参数检验值均小于1.96,各参数统计学意义显著;模型判定系数为0.364 748,表明模型拟合程度较高;且该模型计算值与统计值最大绝对误差仅为3.3%,表明模型精度较高,可用于预测驾驶适宜性。     

自适应巡航控制系统对驾驶安全性的影响研究

为探究自适应巡航控制(ACC)系统对驾驶安全性的影响,首先通过实际道路驾驶试验获取我国典型道路交通场景,用驾驶模拟器进行场景仿真,并在有/无ACC状态下开展模拟驾驶试验;然后分析ACC系统在中国典型道路中的表现,通过对比分析ACC模式下不同特征驾驶人的碰撞时间(TTC),探讨不同类型驾驶人的应急反应。结果表明,ACC能较好地处理大多数路况;但面对危险路况时,不管是哪种类型的驾驶人,ACC的应急反应都没有手动驾驶迅速;且女性、年老和对ACC认知度低的驾驶人更容易受ACC的不良影响;驾驶人对ACC的认知度决定其ACC驾驶的安全性。     

驾驶人视觉注意力需求与驾驶行为特性的关系

采用驾驶模拟系统平台,以不同车道类型及不同交通流状态(自由流/稳定流/不稳定流/强制流)为虚拟试验场,应用心理试验设计方法,测试得到21名被试在不同交通流状态下的视觉注意力需求及驾驶行为。对5种车道类型及4种交通流状态下被试驾驶时的视觉注意力需求特性和驾驶行为特性数据进行分析,得到不同车道不同交通流状态下的视觉注意力需求变化情况。利用多元回归方法分析了不同交通流状态下驾驶人视觉注意力需求与驾驶行为之间的关系,并构建了基于驾驶行为特性的驾驶人视觉注意力需求预测模型。结果表明,驾驶人视觉注意力需求与制动次数、油门踏板位移和车辆轨迹偏差之间存在相关关系。     

基于多生理信号融合的疲劳驾驶检测研究

为减少交通事故，保障道路交通安全，提出一种能更加有效地检测驾驶人驾驶状态的方法。通过对疲劳状态进行等级划分，利用脉搏波信号(Photoplethysmographic signal, PPG)以及皮肤电反应信号(Galvanic Skin Response, GSR),实现多种生理信号融合，进而构建驾驶人的驾驶疲劳状态数据库。根据采集数据结合主观评测分析驾驶人状态变化规律，选取有效指标进行分析比较，以探究各个指标与疲劳程度的变化趋势。依据状态变化规律和特征，结合主观评测，分析驾驶人的疲劳状态。同时，设定疲劳状态等级，分为清醒、轻度疲劳和重度疲劳状态，构建隐马尔可夫(Hidden Markov Model, HMM)驾驶疲劳水平分级的疲劳评估模型。测试结果显示：训练后的HMM疲劳检测模型准确率为90%。     

驾驶人认知分心识别随机森林模型研究

为识别驾驶人认知分心状态,招募13名驾驶人参与驾驶模拟器试验。通过眼动仪采集被试正常驾驶及认知分心状态下的眼动数据,提取5 s时间窗口内的眼动特征。运用随机森林方法构建认知分心识别模型,应用网格搜索确定最优模型参数,并采用100次留出法评估模型性能。根据随机森林模型特征重要性度量结果,进一步分析认知负荷对驾驶人注视及眨眼持续时间的影响。结果表明:当决策树数量为125、最大特征数为5时,模型识别平均准确率为83.69%;注视持续时间及噪声持续时间是认知分心识别的2个关键特征,随着认知负荷的提高,驾驶人注视持续时间减少、眨眼时间增加。     

汽车老年驾驶人特性及行为研究进展

为全面认识老年驾驶人的驾驶特征,分析其驾驶行为,从老年驾驶人交通事故致因和心理、生理等因素,梳理国内外老年驾驶人特性及行为的研究成果,总结主要研究内容和方法,并展望其未来研究趋势。结果表明:造成老年驾驶人交通事故的因素主要包括个人因素和道路环境因素,同时性格态度、自我评价等心理特征和认知功能、视听觉等生理特征也影响驾驶行为。总体上,老年驾驶人的驾驶特征及行为研究,内容精确丰富,方法科学完善;而对老年驾驶人驾驶能力评估的研究,则重点关注在综合统计学和心理学等方法的基础上,构建具体度量模型,用以评价和预测其驾驶能力。     

视觉与听觉次任务对驾驶人视觉的影响及差异

为研究视觉与听觉次任务对驾驶人视觉的影响及差异性,在虚拟驾驶环境下设计次任务试验,要求被试驾驶人执行多组不同类型、难度的视觉与听觉次任务,同时利用眼动追踪装置采集驾驶人视觉特征参数。在筛选有效数据的基础上,运用统计学与数据挖掘方法比较驾驶人执行不同次任务时,视觉搜索区域面积、瞳孔面积、次任务完成时间的差异并分析统计显著性。结果表明,驾驶人在执行视觉次任务、听觉次任务、无次任务3种状态下,执行视觉次任务时视觉搜索区域面积最小、瞳孔面积变化幅度最大、次任务完成时间最长;无次任务时视觉搜索区域面积最大、瞳孔面积变化幅度最小、执行次任务时间最短;执行听觉次任务时,视觉特征数据居于视觉次任务、无次任务两种状态之间。上述差异具有统计学显著性,主观感知评价与客观数据具有一致性。研究表明,视觉与听觉次任务使驾驶人心理负荷明显增大,且视觉次任务对驾驶人的影响更为明显。     

生理因素对驾驶人行为及风险感知影响研究综述

为全面认识驾驶人行为及风险感知并分析行为成因，从驾驶人生理因素着手，从驾驶人视力、阻塞性睡眠呼吸暂停综合征和肌肉骨骼疾患3个方面梳理国内外驾驶人行为及风险感知的研究成果与研究不足。研究结果表明:驾驶人的生理疾病对其驾驶能力和危险感知存在显著影响;生理疾病严重程度与异常驾驶行为中的一般性失误、危险性失误行为之间具有显著正相关关系，疾病严重程度越高，出行失误行为的频率越高；之后可从理论和实验两方面着手，针对驾驶人的不同属性进行研究。     

基于个性化行为模型的驾驶疲劳识别方法

为提高疲劳驾驶状态的识别精度,应考虑驾驶人之间的个体差异。以实车驾驶试验条件下车道保持行为中的车速和车道偏离值为输入,以方向盘转角为输出,基于径向基(RBF)神经网络针对每个驾驶人构建正常驾驶状态下的车道保持行为模型,并根据残差对模型的拟合及预测效果进行评价;将疲劳驾驶状态下的车速和车道偏离值输入到上述驾驶行为模型中,可得到模型预测的方向盘转角值,通过分析预测值与实际方向盘转角之间的差异,研究疲劳对驾驶人行为的影响;将预测残差作为输入,建立基于支持向量机(SVM)的疲劳驾驶状态辨识模型。结果表明:所建立的RBF神经网络-SVM识别模型对不同驾驶人疲劳驾驶状态的平均识别率达85%。     

雾天驾驶人对限速标志的遵从程度研究

为深入研究雾天低能见度环境下驾驶人对可变限速(VSL)标志的遵从程度,首先设计问卷并对556名驾驶人进行访谈和调查;然后利用探索性因子分析选出影响驾驶人遵从程度的主要影响因子,包括驾驶人个人属性(年龄、驾龄)、驾驶人对限速的认可程度等;进而通过结构方程模型(SEM)确定主因子内部的各影响因素与遵从程度的相关性。结果表明:所建立的SEM与调查数据拟合程度良好;在雾天环境下,驾驶人对于VSL标志设定的限速认可程度都会在很大程度上影响其遵从程度;年龄、驾驶经验对驾驶人的遵从程度有显著影响;能见度较低时,行驶在车道数少的道路上驾驶人的遵从程度较高,而在能见度较高时,道路类型的影响不显著。     

危险货物运输驾驶人风险倾向分类及识别模型研究

为合理评估危险货物运输驾驶人驾驶过程中的风险倾向,建立危险货物运输驾驶人风险倾向聚类及辨识体系,以动态监控系统中记录的驾驶人实时违规预警数据为基础,选取可能引发交通冲突的安全关键事件为特征参数,利用探索性因子分析方法实现指标降维,提取驾驶人风险倾向主因子,并通过K-means算法聚类不同风险倾向的驾驶人,最后基于聚类结果监督训练随机森林模型,辨识未知驾驶人的风险倾向。结果表明,利用选取的8类安全关键事件特征参数,可以将驾驶人风险倾向划分为攻击驾驶倾向、鲁莽驾驶倾向、驾驶分神倾向和驾驶疲劳倾向,且可以识别风险较低的驾驶人,基于随机森林模型的驾驶人风险倾向识别准确率为88.68%,可以较好地实现危险货物运输驾驶人风险倾向辨识。研究结果为危险货物运输驾驶人风险倾向分类及识别提供了方法依据。     

农村公路复杂环境中新老驾驶人视觉特性研究

为研究新老驾驶人在农村公路复杂环境中的视觉特性,采用眼动仪测量若干被试人员在实际驾驶过程中的视觉生理指标,运用统计学和数据挖掘方法分析新老驾驶人的瞳孔直径、注视特性、扫视特性和追随眼动特性,进而辨析新老驾驶人的驾驶行为特性差异。结果表明,在农村公路复杂道路环境中,新老驾驶人的视觉特性和驾驶行为具有明显差异。新驾驶人的瞳孔直径变化剧烈,表现出长时间注视和注视反馈特性;老驾驶人具有较多短时间注视特性,注视前瞻性和反馈特性都很明显,并且具有追随眼动特性。     

基于换道行为的驾驶分心识别方法

为预防驾驶分心导致的交通事故,利用径向基函数(RBF)神经网络模型,研究驾驶分心识别方法。通过驾驶模拟试验,分析驾驶人分别在正常驾驶、手持接听电话和免提接听电话等3种状态下执行车辆换道操作时的驾驶行为,构建基于最小正交二乘法(OLS)的RBF神经网络驾驶分心识别模型,用于判定驾驶人是否处于分心状态。研究表明:驾驶分心对换道过程中车辆的纵向速度、横向速度、横向加速度、方向盘转角、方向盘转速和油门开度等6项驾驶绩效参数有显著影响,所构建模型的平均识别正确率达到88. 7%,可准确识别驾驶人的分心状态,为分心事故预防提供理论支撑。